aws

Amazon ECS Service Connect – 컨테이너 기반 마이크로서비스내 간편한 통신 기능 출시 마이크로서비스 아키텍처는 잘 정의된 API(애플리케이션 프로그래밍 인터페이스)를 통해 통신하는 소규모 독립 서비스로 구성된 애플리케이션을 만드는 소프트웨어 개발 접근 방식입니다. 이 방식은 널리 알려져 있습니다. 고객이 모놀리스 애플리케이션을 마이크로서비스로 분리하기 시작하자 문제가 발생했습니다. 다른 마이크로서비스와 내부적으로 통신하려면 전문 네트워킹 지식이 필요했기 때문입니다. Amazon Elastic Container Services(Amazon ECS) 고객은 서비스-투-서비스를 위한 여러 솔루션을 보유하고 있지만 각 솔루션에는 몇 가지 도전 과제와 복잡한 문제가 있습니다. 1) ELB(Elastic Load Balancing)는 고가용성을 위한 인프라 구성을 신중하게 계획해야 하며 추가 인프라 비용이 발생합니다. 2) Amazon ECS Service Discovery를 사용하려면 개발자가 트래픽 지표를 수집하고 네트워크 호출을 복원하기 위한 사용자 지정 애플리케이션 코드를 작성해야 하는 경우가 많습니다. 3) AWS App Mesh와 같은 서비스 메시 솔루션은 고급 트래픽 모니터링 및 서비스 간 라우팅 기능을 갖추고 있음에도 불구하고 Amazon ECS 외부에서 실행됩니다. 오늘 복원력이 뛰어난 분산 애플리케이션 구축 [ more… ]

AWS Elastic Disaster Recovery 자동 AWS 페일백 기능 출시 저는 2021년 블로그 게시물에서 AWS Elastic Disaster Recovery(DRS)에 대해 처음 다루었습니다. 이 게시물에서는 DRS가 어떻게 ‘고객이 필요할 때까지 유휴 상태로 방치되는 온프레미스 DR 인프라에 투자하지 않고도 AWS를 온프레미스 애플리케이션의 탄력적 복구 사이트로 사용할 수 있게 하는지 설명합니다. DRS는 한 번 활성화되면 운영 체제, 애플리케이션 및 데이터베이스에 대한 지속적인 복제 태세를 유지합니다.’ 오늘 DRS가 AWS 내 페일백도 지원합니다. 기존 릴리스에 포함된 무중단 복구 훈련 및 온프레미스 페일백에 대한 지원이 추가되었습니다. 제가 이전 게시물에서 훈련 과정이 재해 복구의 중요한 부분을 차지한다고 언급하기도 했습니다. 이는 테스트해보지 않으면 막상 필요할 때 재해 복구 솔루션이 제대로 작동하는지 확신할 수 없기 때문입니다. 그러나 테스트 작업은 시간이 많이 걸리고 운영 중단을 야기하기 때문에 대부분의 고객들은 테스트를 달가워하지 않습니다. 자동화 및 단순화를 이용하면 대규모로 수시로 훈련을 실시할 수 있어 재해에 더 잘 대비할 수 있고, 이제 애플리케이션이 온프레미스이든 AWS에 [ more… ]

Amazon Transcribe 신규 기능 – 실시간 통화 중 실시간 분석 고객이 고객 센터와 상호 작용하는 경험은 고객에게 매우 중요한 영향을 미칠 수 있습니다. 이러한 이유로 고객 통화 녹음을 분석하고 고객 만족도 및 에이전트 성과와 관련된 문제 및 추세에 대한 통찰력을 얻을 수 있는 데 도움이 될 수 있도록 작년에 Amazon Transcribe Call Analytics를 출시했습니다. 에이전트가 실시간 통화를 더 빠르게 해결할 수 있도록 Amazon Transcribe Call Analytics에 실시간 통화 분석을 도입했습니다. 실시간 통화 분석은 개발자가 실시간 통화를 정확하게 기록하는 동시에 고객 경험 문제와 감정을 실시간으로 식별할 수 있는 API를 제공합니다. Transcribe Call Analytics는 최첨단 기계 학습 기능을 사용하여 진행 중인 수천 건의 통화를 자동으로 평가하고 관리자와 통화하거나 구독을 취소하라는 반복적인 요청과 같은 고객 경험 문제를 감지합니다. 감독자와 분석가는 몇 번의 클릭만으로 AWS console에서 카테고리를 생성하여 ‘만족하지 않음’, ‘품질이 좋지 않음’, ‘구독 취소’와 같은 특정 용어와 같은 기준을 사용하여 고객 경험 문제를 [ more… ]

AWS 주간소식 모음 – 2022년 12월 셋째주 지난 AWS re:Invent 컨퍼런스가 끝나고 이제 연말 연휴가 얼마 남지 않은 상황에서 새로운 출시 뉴스가 점점 줄어들 것으로 예상했지만, 역시 현실은 달랐습니다. 저희 팀은 계속해서 여러분의 피드백에 귀를 기울이고 새로운 기능과 점진적인 개선 사항을 소개해 드리겠습니다. 이번 주에는 제 관심을 끈 항목이 여러가지 있었습니다. 요약은 다음과 같습니다. Amazon EC2용 AWS 요금 계산기가 새롭게 설계되어 비용을 추정할 수 있는 단순하고 일관적이며 효율적인 계산기로 거듭났습니다. 또한 EC2 인스턴스, EC2 전용 호스트 및 Amazon EBS 서비스의 비용을 대량으로 추정하는 방법도 추가했습니다. 오늘 직접 사용해 보세요. Amazon CloudWatch Metrics Insights 경보를 사용하면 이제 표준 SQL 쿼리를 사용하는 단일 경보를 이용하여 동적으로 변화하는 전체 리소스 플릿(예: EC2 인스턴스 자동 조정)에 대한 경보를 트리거할 수 있습니다. 예를 들어 이제 이와 같은 쿼리를 작성하여 전체 동적 EC2 인스턴스 플릿에 대한 CPU 사용률 데이터를 수집할 수 있습니다. SELECT AVG(CPUUtilization) FROM SCHEMA(“AWS/EC2”, [ more… ]

Amazon SageMaker Canvas – 자체 모델을 통한 예측 생성 기능 추가 Amazon SageMaker Canvas는 비즈니스 분석가가 단 한 줄의 코드도 작성하지 않고도 기계 학습(ML)을 사용하여 비즈니스 문제를 해결할 수 있는 시각적 인터페이스를 제공합니다. 2021년에 SageMaker Canvas를 도입한 이후 데이터 과학자가 몇 번의 클릭만으로 학습된 모델을 비즈니스 분석가와 공유할 수 있도록 보다 개선되고 원활한 협업 환경에 대한 요청이 다수 있었습니다. 이제 어느 곳에서 구축되었든 상관없이 모든 ML 모델을 SageMaker Canvas로 가져와 예측을 생성할 수 있다는 사실을 전해드립니다. 새로운 소식 — 자체 모델을 SageMaker Canvas로 가져오기 데이터 과학자 또는 ML 전문가는 이제 Amazon SageMaker 내부 또는 외부, 어느 곳에서 구축되었든 상관없이 모든 모델을 비즈니스 팀과 원활하게 공유할 수 있습니다. 따라서 엔지니어링 팀이 별도의 도구 또는 사용자 인터페이스를 구축하여 ML 모델을 공유하고 조직 내 여러 부서 간에 협업해야 하는 번거로움을 덜어줍니다. 비즈니스 분석가는 이제 몇 분 안에 데이터 과학자가 공유하는 ML 모델을 활용하여 [ more… ]